- 解锁创新和沉浸式数字护理在元宇宙中的潜力
Metaverse 技术在医疗领域具有革命性潜力，能够改善患者关怀、医学教育和研究，提供更好的患者参与、沟通、信息获取和健康结果。此研究还探讨了利用机器学习技术对 Metaverse 数据进行分析以进一步增强医疗应用的潜力，并强调了大型科技 - 借助人工智能改变牙科诊断：ChatGPT 和大型语言模型在患者护理中的先进集成
人工智能和大型语言模型（LLMs）对医学诊断的影响及其潜在未来研究方向和挑战，尤其是在牙科领域。这篇论文还探讨了 AI 在转变牙科诊断以提高患者护理方面的广泛影响和挑战，并提供了有价值的见解。
- 使用真实世界的医生与患者互动评估大型语言模型的共情能力
大型语言模型（LLMs）在医疗领域的整合潜在地可以通过开发具有共情能力，面向患者的聊天机器人，显著增强患者护理和支持。本研究调查了一个有趣的问题：相较于通常由医生提供的，ChatGPT 能否提供更高程度的共情回应？为了回答这个问题，我们从梅 - 医学图像分析中先进云服务和生成性人工智能系统的实际应用
医学领域中的人工智能技术发挥着越来越重要的作用，特别是在医学成像领域，通过生成式人工智能可以增强图像质量并提高医学诊断和患者护理水平。
- 立足于 FURM 框架之上 —— 评估医疗系统中公平、有用和可靠的 AI 模型
使用人工智能（AI）指导患者护理或操作过程的影响是 AI 模型输出、基于该输出的决策制定协议以及参与方采取必要后续行动的相互作用。斯坦福医疗保健的数据科学团队开发了一种 “公平、有用和可靠 AI 模型（FURM）” 的机制，通过进行伦理审查 - 揭示医疗产品中的监管事务复杂性：使用开放编码和自然语言处理进行定性评估
这项研究调查了医疗器械行业中的监管事务复杂性，该复杂性是影响市场准入和患者护理的重要因素。通过定性研究，我们寻求专家的见解，以了解导致这种复杂性的因素。研究涉及到对 28 名医疗器械公司的专业人员进行半结构化访谈，涉及到监管事务的各个方面。 - ALGNet: 注意力轻量化图记忆网络在医学推荐系统中的应用
提出了一种名为 ALGNet 的新型模型，利用轻量级图卷积网络（LGCN）和增强型记忆网络（AMN）来增强药物推荐，研究结果表明，ALGNet 在推荐准确性和避免药物相互作用方面优于多种基准方法。
- 使用 AI 聊天机器人回复患者消息的影响
通过人工智能聊天机器人辅助文档整理，可以减轻医生的文档负担，提高工作效率并改善患者护理情况。
- 利用机器学习算法预测 COVID-19 后患者的长期肾功能损伤
本研究利用先进的机器学习算法，对来自伊拉克多个地区在 2021 年至 2023 年期间的 821 名新冠肺炎康复患者进行长期肾功能损害的风险预测。研究结果可能通过早期识别和干预高风险患者，改善临床结果，并为新冠肺炎患者的护理和生活质量提供宝 - 医学影像信息学导论
本文介绍医学影像信息学的基本概念，包括图像处理，特征工程和机器学习，并讨论了计算机视觉和深度学习技术的最新进展，以及它们如何用于开发用于疾病检测、诊断和预测模型的新量化图像标记。通过涵盖医学影像信息学的基础知识，为理解信息学在医学中的作用及 - 使用脱机强化学习学习连续空间中败血症的最佳治疗策略
提出一种基于历史数据的新型医疗决策模型，使用深度强化学习解决了传统去强化学习中与环境交互的问题，能够进行连续状态 - 行动决策空间中的决策，建议的治疗方案比临床医生建议的更具价值和可靠性，能够提供个性化和可解释的抗感染治疗决策，进而提高患者 - 机器学习在围手术期患者护理中的应用
该综述论文介绍了人工智能、机器学习和数据处理技术在护理中的运用，通过分类研究概述了其在手术前后的流程中对患者、护士、反馈、技术等方面的影响。
- MM基于医疗知识图谱的临床问题理解与医疗片段检索
介绍了研发中的基于医疗知识图谱的 Focused Clinical Search Service，以检索相关的医疗短语以应对医护工作者在实践医学和患者护理中从多个文献来源搜索并综合准确，简洁，更新和可信的医学信息所面临的障碍。
- MedDialog：两个大规模医学对话数据集
本研究建立了两个大规模医疗对话数据集：MedDialog-EN 和 MedDialog-CN，它们分别包括英语和中文的病患与医生之间的对话，以帮助研究和开发医疗对话系统。这些数据集是迄今为止最大的医疗对话数据集。
- 走向基于视觉的智慧医院：一种用于跟踪和监测手卫生合规性的系统
本研究提出一种基于计算机视觉的智能医院系统，用于跟踪医务人员、患者和访客的行动，并提高医院的运营效率和患者护理质量，特别是在手部卫生合规性的测量方面优于现有解决方案，为建立计算机视觉智能医院的发展迈出了一步，有望降低医院获得性感染的发生率。
- 基于患者重要性的电子病历笔记术语无监督集合排序
开发了 FIT (针对患者找到重要术语) 系统，该系统使用无监督的自然语言处理方法，将医学术语在电子病历笔记中排序，以便患者更好理解，性能优于其他三种集成排名器，相对于其参数，它的性能比较不敏感，可应用于其他领域。
- NIPS走向临床数据智能的新科学
本文定义了临床数据智能为临床例行工作中生成的数据的分析，旨在改善患者护理。同时，提出了临床数据智能的科学定义，并提出其需要知识工程、信息提取和统计和统计机器学习等技术的共同努力。并阐述了其在大数据分析和两所德国大学医院的研究项目中的主要成果